C++:仿函数模拟实现STL-priority_queue

news2024/11/24 15:21:13

优先级队列模拟实现

  • 1.文档了解
  • 2.仿函数实现优先级队列
    • 仿函数
      • 1.定义
      • 2.语法
      • 3.使用
  • 3.模拟实现源码

1.文档了解

在这里插入图片描述

从priority_queue的文档中,我们可以得出以下几点:

1.priority_queue是一个容器适配器
2.priority_queue它实质是一个堆,且默认为大堆
3.对于参数传入的Compare,从字面意思是比较,那么其究竟是什么呢?

2.仿函数实现优先级队列

在实现堆的时候,对于大堆还是小堆的逻辑控制主要是使用push(向上调整算法)和pop(向下调整算法)时,判断父亲位置和孩子位置的大小关系,究竟是父亲大还是孩子大的关系。

对于大堆和小堆类,我们固然可以直接CV一份再将其符号修改,但是两个类的重合度极高,非常的臃肿。那么我们如何通过只实现一个类模板来完成大小堆的通用呢?

我们可以通过仿函数来实现。

仿函数

1.定义

通俗理解,仿函数是对于()的重载,从而达到仿照(类似)函数的行为。其本质就是运算符的重载。

2.语法

它的语法我们通过一个例子来进行演示。

template<class T>
struct Less
{
public:
    bool operator()(T x, T y)
    {
        return x < y;
    }
};

int main()
{
    Less<int> ls;
    cout << ls(1, 2) << endl; //这里和函数调用很类似
    return 0;
}

这里对于对象的使用就和调用函数。函数传参类型。

3.使用

那么我们如何使用仿函数来实现我们上述的需求呢?

以实现大堆的push为例。

//默认大堆的实现
void adjust_up(int child)
{
	int parent = (child - 1) / 2;
	while (child > 0)
	{
        if (_con[parent] < _con[child])
		{
			swap(_con[child], _con[parent]);
			child = parent;
			parent = (child - 1) / 2;
		}
		else
		{
			break;
		}
	}
}

void push(const T& val)
{
	_con.push_back(val);
	adjust_up(_con.size() - 1);
}

对于上述的逻辑中,如果需要在一个类中实现大堆的逻辑,我们可以实现判断是否小于的仿函数,然后创建一个该类的对象,这样我们就可以通过该对象来实现仿函数进而替换上述中的比较逻辑。

template<class T>
struct less
{
	bool operator()(const T& x, const T& y)
	{
		return x < y;
	}
};
void adjust_up(int child)
{
	Compare com;
	int parent = (child - 1) / 2;
	while (child > 0)
	{
        //if (_con[parent] < _con[child])
        if (com(_con[parent], _con[child]))
		{
			swap(_con[child], _con[parent]);
			child = parent;
			parent = (child - 1) / 2;
		}
		else
		{
			break;
		}
	}
}

如果需要让大堆和小堆共用一个模板,那么如何控制其逻辑是大于还是小于呢?

我们可以使用模板参数,将仿函数对象作为模板传入,这样我们需要什么样的比较方式,就传入其对应的仿函数,从而让其自己实现比较逻辑。无论是内置类型还是自定义类型,只要我们实现了其逻辑的仿函数,都可以实现大小堆的排列。

template<class T>
struct less
{
	bool operator()(const T& x, const T& y)
	{
		return x < y;
	}
};

template<class T>
struct greater
{
	bool operator()(const T& x, const T& y)
	{
		return x > y;
	}
};
template<class T, class Container = vector<T>, class Compare = less<T>>
class priority_queue
{
public:
	void adjust_up(int child)
	{
		Compare com;
		int parent = (child - 1) / 2;
		while (child > 0)
		{
			if (com(_con[parent], _con[child]))
			{
				swap(_con[child], _con[parent]);
				child = parent;
				parent = (child - 1) / 2;
			}
			else
			{
				break;
			}
		}
	}

	void push(const T& val)
	{
		_con.push_back(val);
		adjust_up(_con.size() - 1);
	}
    //......
private:
    Container _con;

3.模拟实现源码

template<class T>
struct less
{
	bool operator()(const T& x, const T& y)
	{
		return x < y;
	}
};

template<class T>
struct greater
{
	bool operator()(const T& x, const T& y)
	{
		return x > y;
	}
};

template<class T, class Container = vector<T>, class Compare = less<T>>
class priority_queue
{
public:

	priority_queue()
	{

	}
	template <class InputIterator>
	priority_queue(InputIterator first, InputIterator last)
	{
		while (first != last)
		{
			push(*first);
			first++;
		}
	}

	void adjust_up(int child)
	{
		Compare com;
		int parent = (child - 1) / 2;
		while (child > 0)
		{
			//if (_con[child] > _con[parent])
			//if (_con[parent] < _con[child])
			if (com(_con[parent], _con[child]))
			{
				swap(_con[child], _con[parent]);
				child = parent;
				parent = (child - 1) / 2;
			}
			else
			{
				break;
			}
		}
	}

	void push(const T& val)
	{
		_con.push_back(val);
		adjust_up(_con.size() - 1);
	}

	void adjust_down(int parent)
	{
		Compare com;
		int child = parent * 2 + 1;
		while (child < _con.size())
		{
			if (child + 1 < _con.size() && com(_con[child], _con[child + 1]))
				child++;

			if (com(_con[parent], _con[child]))
			{
				swap(_con[child], _con[parent]);
				parent = child;
				child = parent * 2 + 1;
			}
			else
				break;
		}
	}

	void pop()
	{
		swap(_con[0], _con[_con.size() - 1]);
		_con.pop_back();
		adjust_down(0);
	}

	const T& top() const
	{
		return _con.front();
	}

	size_t size()
	{
		return _con.size();
	}

	bool empty() const
	{
		return _con.empty();
	}
private:
	Container _con;
};


	{
		swap(_con[0], _con[_con.size() - 1]);
		_con.pop_back();
		adjust_down(0);
	}

	const T& top() const
	{
		return _con.front();
	}

	size_t size()
	{
		return _con.size();
	}

	bool empty() const
	{
		return _con.empty();
	}
private:
	Container _con;
};

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1607562.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【Leetcode】string类刷题

&#x1f525;个人主页&#xff1a;Quitecoder &#x1f525;专栏&#xff1a;Leetcode刷题 目录 1.仅反转字母2.字符串中第一个唯一字符3.验证回文串4.字符串相加5.反转字符串I I6.反转字符串中的单词III7.字符串相乘8.把字符串转换为整数 1.仅反转字母 题目链接&#xff1a;…

MySQL 8.0.19安装教程(windows 64位)

在c盘目录下的Program Files目录下创建MySQL目录&#xff0c;将下载好的mysql解压到里面 解压完是这个样子 配置初始化的my.ini文件的文件 [mysqld] # 设置3306端口 port3306 # 设置mysql的安装目录 basedirC:\Program Files\MySQL # 设置mysql数据库的数据的存放目录 datad…

便携式手提万兆网络协议测试仪

便携式手提万兆网络协议测试仪 平台简介 便携式手提万兆网络协议测试仪&#xff0c;以FPGA万兆卡和X86主板为基础&#xff0c;构建便携式的手提设备。 FPGA万兆卡是以Kintex-7XC7K325T PCIeX4的双路万兆光纤网络卡&#xff0c;支持万兆网络数据的收发和网络协议的定制设计。 …

weblogic JSP action的配置

action(如xxx.do&#xff09;可以在Java文件中通过注解的方式配置&#xff0c;也可以在web.xml中进行配置 在java文件中配置的场合 WebServlet(xxxx.do) 并实现支持的方法&#xff1a;doGet或doPost等 或者 WebServlet(xxxx.do) 并实现service方法 所有method的处理方法都会…

OpenHarmony音频和音乐编码格式—vorbis

简介 一种通用音频和音乐编码格式。 Vorbis编解码器规范属于公共领域。所有技术细节都已发布并记录&#xff0c;任何软件实体都可以充分利用该格式&#xff0c;而无需支付许可费、版税或专利问题。 下载安装 直接在OpenHarmony-SIG仓中搜索vorbis并下载。 使用说明 以OpenHa…

常用UI组件

一、文本组件 1.1 概述 Text为文本组件&#xff0c;用于显示文字内容 1.2 参数 Text组件的参数类型为string | Resource Entry Component struct Index {build() {Column({space : 50}) {Text(你好).fontSize(50)}.width(100%).height(100%).justifyContent(FlexAlign.Cent…

时序深入之CPR(Clock Pessimism Removal)详解

目录 一、CPR概念 二、CPR的计算 三、CPR的开启关闭 四、CPR为0 ​五、参考资料 一、CPR概念 在时序报告的目标时钟路径中&#xff0c;会有一行数据clock pesssimism&#xff0c;第一次见可能都会对这个概念感到疑惑 同样在每条时序路径的summary中&#xff0c;clock pat…

吴恩达机器学习笔记:第 7 周-12支持向量机(Support Vector Machines)12.4-12.6

目录 第 7 周 12、 支持向量机(Support Vector Machines)12.4 核函数 112.5 核函数 212.6 使用支持向量机 第 7 周 12、 支持向量机(Support Vector Machines) 12.4 核函数 1 回顾我们之前讨论过可以使用高级数的多项式模型来解决无法用直线进行分隔的分类 问题&#xff1a; …

CentOS7升级openssl

文章目录 一 系统环境二 操作步骤三 版本检查 一 系统环境 公司服务器等保要求&#xff0c;修复openssl的高危漏洞。 本机使用centos7.9系统&#xff0c;openssl版本是1.0.2k&#xff0c;计划升级到1.1.1q 在执行下列操作前&#xff0c;务必要打快照做好备份&#xff0c;以防升…

java使用fasttext实现文本分类

1.fastText 官网 fastText是一个用于有效学习单词表示和句子分类的库fastText建立在现代Mac OS和Linux发行版上。因为它使用了c 11的特性&#xff0c;所以它需要一个具有良好的c11支持的编译器 2.创建maven项目 maven配置: <?xml version"1.0" encoding&quo…

14 Php学习:表单

表单 PHP 表单是用于收集用户输入的工具&#xff0c;通常用于网站开发。PHP 可以与 HTML 表单一起使用&#xff0c;用于处理用户提交的数据。通过 PHP 表单&#xff0c;您可以创建各种类型的表单&#xff0c;包括文本输入框、复选框、下拉菜单等&#xff0c;以便用户可以填写和…

AIGC算法1:Layer normalization

1. Layer Normalization μ E ( X ) ← 1 H ∑ i 1 n x i σ ← Var ⁡ ( x ) 1 H ∑ i 1 H ( x i − μ ) 2 ϵ y x − E ( x ) Var ⁡ ( X ) ϵ ⋅ γ β \begin{gathered}\muE(X) \leftarrow \frac{1}{H} \sum_{i1}^n x_i \\ \sigma \leftarrow \operatorname{Var}(…

Java | Leetcode Java题解之第35题搜索插入位置

题目&#xff1a; 题解&#xff1a; class Solution {public int searchInsert(int[] nums, int target) {int n nums.length;int left 0, right n - 1, ans n;while (left < right) {int mid ((right - left) >> 1) left;if (target < nums[mid]) {ans mi…

数字化转型对企业产生的影响

一、引言 在信息化、网络化的时代背景下&#xff0c;数字化转型已成为企业发展的必由之路。随着云计算、大数据、人工智能等技术的快速发展&#xff0c;数字化转型不仅改变了企业的运营方式&#xff0c;更深刻影响着企业的核心竞争力。本文将探讨数字化转型对企业产生的影响&a…

3D开发工具HOOPS助力CAM软件优化制造流程

在现代制造业中&#xff0c;计算机辅助制造&#xff08;CAM&#xff09;软件的发展已成为提高生产效率和产品质量的关键。为了满足不断增长的需求和日益复杂的制造流程&#xff0c;CAM软件需要具备高效的CAD数据导入、云端协作、移动应用支持以及丰富的文档生成能力。 Tech So…

羊大师分析,4月的羊奶好喝吗?

羊大师分析&#xff0c;4月的羊奶好喝吗&#xff1f; 4月的羊奶同样好喝。羊奶的口感和品质并不完全取决于月份&#xff0c;而更多地与奶源的品质、生产工艺以及保存方式等因素有关。羊大师作为知名品牌&#xff0c;一直以来都注重提供高品质的羊奶产品。 在4月这个春季时节&a…

redis写入和查询

import redis #redis的表名 redis_biao "Ruijieac_sta" #redis连接信息 redis_obj redis.StrictRedis(hostIP地址, port6379, db1, password密码) # keyytressdfg # value22 ##写入 # redis_obj.hset(redis_biao, key, value) #查询 req_redisredis_obj.hget(red…

【SGDR】《SGDR:Stochastic Gradient Descent with Warm Restarts》

arXiv-2016 code: https://github.com/loshchil/SGDR/blob/master/SGDR_WRNs.py 文章目录 1 Background and Motivation2 Related Work3 Advantages / Contributions4 Method5 Experiments5.1 Datasets and Metric5.2 Single-Model Results5.3 Ensemble Results5.4 Experiment…

Modality-Aware Contrastive Instance Learning with Self-Distillation ... 论文阅读

Modality-Aware Contrastive Instance Learning with Self-Distillation for Weakly-Supervised Audio-Visual Violence Detection 论文阅读 ABSTRACT1 INTRODUCTION2 RELATEDWORKS2.1 Weakly-Supervised Violence Detection2.2 Contrastive Learning2.3 Cross-Modality Knowle…

基于Java SpringBoot+Vue的校园周边美食探索及分享平台的研究与实现,附源码

博主介绍&#xff1a;✌IT徐师兄、7年大厂程序员经历。全网粉丝15W、csdn博客专家、掘金/华为云//InfoQ等平台优质作者、专注于Java技术领域和毕业项目实战✌ &#x1f345;文末获取源码联系&#x1f345; &#x1f447;&#x1f3fb; 精彩专栏推荐订阅&#x1f447;&#x1f3…